tensorflow模型加载时，出现“Key Variable_xxx not found in checkpoint”的问题

 

在使用tensorflow保存模型后，想要加载模型，用来对测试数据进行测试时，出现了“Key Variable not fonund in checkpoint"问题。

谷歌了一下，发现有一篇博客已经解答了这个问题，链接在参考博客上。为了看看我的问题和他的问题是不是一样的，我按照该博客的方法，在加载模型的代码中进行如下修改。

import tensorflow as tf
from tensorflow.python import pywrap_tensorflow

saver = tf.train.Saver()
reader = pywrap_tensorflow.NewCheckpointReader(model_checkpoint_path)#model_checkpoint_path是保存模型的路径加上模型名
var_to_shape_map = reader.get_variable_to_shape_map()
for key in var_to_shape_map:
    print("tensor name:",key)
    saver.restore(sess, model_checkpoint_path)

 输出的结果：

发现确实如这篇博客所说的，是因为模型把优化的变量也给保存下来了，所以后面就按照该博客建议的，在tf.train.Saver中指定真正要保存的变量。因为我的模型比较多层，按照这篇博客那种方法就太复杂了，所以我就直接把var_list设置成tf.trainable_variables()。

import tensorflow as tf
from tensorflow.python import pywrap_tensorflow

reader = pywrap_tensorflow.NewCheckpointReader(model_checkpoint_path)#model_checkpoint_path是保存模型的路径加上模型名
var_to_shape_map = reader.get_variable_to_shape_map()
for key in var_to_shape_map:
    print("tensor name:",key)
    saver.restore(sess, model_checkpoint_path)
saver = tf.train.Saver(max_to_keep=FLAGS.keep_ckpt + 1 if FLAGS.keep_ckpt else 1000000, var_list = tf.trainable_variables()) #前面的max_to_keep是确认要保存的模型的个数，这个如果不指定的话可以直接去掉，只保留后面的var_list = tf.trainable_variables()

修改完成后，再次运行训练代码，将训练完成的模型保存下来。保存完成后，再次加载模型。本来以为已经大功告成了，没想到再次报错。

再次把模型打印出来，跟之前加载的模型进行对比发现：有些tensor的tensorname已经没有Adam这个名称了，但是有些还是有。仔细观察我发现，那些没有的层，都是我训练的时候设置成可训练的层。因为我在训练的时候，是将pretrained的模型加载进来，然后对pretrained的模型的后面几层进行训练的。

发现这个问题之后，我再在测试代码中，插入下面这行代码。

saver = tf.train.Saver(max_to_keep=FLAGS.keep_ckpt + 1 if FLAGS.keep_ckpt else 1000000,var_list=tf.trainable_variables())

最后模型正常加载，可以正常进行测试了。

总结:

需要在训练和测试代码中都增加下面这段代码。

saver = tf.train.Saver(max_to_keep=FLAGS.keep_ckpt + 1 if FLAGS.keep_ckpt else 1000000,var_list=tf.trainable_variables())

参考博客

https://blog.csdn.net/qq_36810544/article/details/81456182